| AVRUPA BİRLİĞİ İLİŞKİLERİ | |||||
| Lisans | TYYÇ: 6. Düzey | QF-EHEA: 1. Düzey | EQF-LLL: 6. Düzey | ||
| Ders Kodu | Ders Adı | Yarıyıl | Teorik | Pratik | Kredi | AKTS |
| CMP4336 | Veri Madenciliğine Giriş | Güz | 3 | 0 | 3 | 6 |
| Bu katalog bilgi amaçlıdır, dersin açılma durumu, ilgili bölüm tarafından yarıyıl başında belirlenir. |
| Öğretim Dili: | İngilizce |
| Dersin Türü: | Non-Departmental Elective |
| Dersin Seviyesi: | LİSANS |
| Dersin Veriliş Şekli: | Yüz yüze |
| Dersin Koordinatörü: | Dr. Öğr. Üyesi CEMAL OKAN ŞAKAR |
| Opsiyonel Program Bileşenleri: | yok |
| Dersin Amacı: | Bu derste, yararlı bilgileri elde etmek, veritabanındaki örüntüleri ve düzenlilikleri keşfetmek, tahmin ve kestirim yapmak için kullanılan veri madenciliği ve hesaplama paradigmaları tartışılacaktır. Gözetimli ve gözetimsiz öğrenme yaklaşımları, model bulma ve küme analizi üzerine odaklanılarak ele alınacaktır. |
|
Bu dersi başarıyla tamamlayabilen öğrenciler; 1. Veri Toplama ve Ön-işleme konularını kavrayabilme 2. Sıklıkla Satılan Ürün Seti algoritmasına aşina olmak 3. Birliktelik Kuralını kavrayabilme 4. Sınıflayıcılar ve faydalarını kavrayabilme 5. Kümelemeyi kullanabilecek hale gelme 6. Kümeleme Değerlendirmesini kavrayabilme |
| 1.Temel Kavramlara Giriş 2.Veri Keşfi 3.Sınıflandırma 4.Kümeleme 5.Boyut Küçültme 6.Sıklıkla Satılan Ürün Kümeleri 7.Birliktelik Kural Analizi |
| Hafta | Konu | Ön Hazırlık |
| 1) | Temel Kavramlara Giriş | Yok |
| 2) | Veri Keşfi: Özet İstatistik, Görselleştirme, OLAP ve Çok Boyutlu Veri Analizi | Yok |
| 3) | Veri Önişleme, Dönüşüm, Normalleştirme, Standardizasyon | Yok |
| 4) | Sınıflandırma ve Regresyon: Model Seçimi ve Genelleştirilmesi, Karar Ağaçları, Performans Değerlendirmesi | Yok |
| 5) | Sınıflandırma: Bayesian Karar Teorisi, Parametrik Sınıflandırma, Naive Bayes Sınıflandırıcısı, Örnek Temelli Sınıflandırıcılar | |
| 6) | Sınıflandırma | Yok |
| 6) | Sınıflandırma ve Regresyon: Yapay Sinir Ağları, Destek Vektör Makineleri | |
| 7) | Ara Sınav I | Tüm konuların tekrarı |
| 8) | Kümeleme: Bölümleme ve Hiyerarşik Algoritmalar | Yok |
| 9) | Kümeleme: Yoğunluk Tabanlı Algoritmalar | |
| 10) | Küme Değerlendirmesi, Kümele Sonuçlarının Karşılaştırılması | Yok |
| 11) | Ara sınav II | yok |
| 12) | Boyut Küçültme | yok |
| 13) | Sık Öge Küme Madenciliği | yok |
| 14) | Birliktelik Kural Çıkarımı | yok |
| Ders Notları / Kitaplar: | Introduction to Data Mining by Pang-Ning Tan, Michael Steinbach and Vipin Kumar |
| Diğer Kaynaklar: | Data Mining: Concepts and Techniques, by Jiawei Han, Micheline Kamber and Jian Pei |
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ödev | 2 | % 20 |
| Projeler | 1 | % 20 |
| Ara Sınavlar | 2 | % 20 |
| Final | 1 | % 40 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 40 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 60 | |
| Toplam | % 100 | |
| Aktiviteler | Aktivite Sayısı | İş Yükü |
| Ders Saati | 14 | 42 |
| Sınıf Dışı Ders Çalışması | 16 | 32 |
| Proje | 5 | 15 |
| Ödevler | 6 | 12 |
| Ara Sınavlar | 8 | 28 |
| Final | 6 | 26 |
| Toplam İş Yükü | 155 | |
| Etkisi Yok | 1 En Düşük | 2 Düşük | 3 Orta | 4 Yüksek | 5 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı | |
| 1) | AB çalışmaları alanında bilimsel metodları kullanarak veri inceleme, yorumlama ve kanıya varma becerisinin kazanılması. | 2 |
| 2) | AB çalışmaları alanında görev yapan yetkilileri ve kurumları bilgilendirme, nicel ve nitel verilerle desteklenen çözüm önerileri üretme ve fikir geliştirme becerisinin kazanılması. | 2 |
| 3) | AB çalışmalarının yararlandığı diğer disiplinlerden (siyaset bilimi, uluslararası ilişkiler, hukuk, ekonomi, sosyoloji vb.) faydalanabilme ve bu disiplinler hakkında genel bilgi sahibi olma. | 3 |
| 4) | Avrupa Birliği ve AB – Türkiye İlişkileri hakkındaki güncel gelişmeleri değerlendirebilme. | 2 |
| 5) | Yazılı ve sözlü iletişimde ve özellikle AB çalışmaları alanında en iyi şekilde İngilizce kullanabilme. | 1 |
| 6) | AB Çalışmaları alanında veri toplama, yorumlama, dağıtma ve uygulama süreçlerinde etik, toplumsal ve bilimsel değerler uyarınca hareket etmek. | 1 |
| 7) | Avrupa Birliği’nin temellerini, tarihsel gelişimini, kurumlarının işleyişlerini, karar alma sistemini ve ortak politikalarını kavrayabilmek ve analiz edebilmek. | 2 |
| 8) | AB'nin içinden geçmekte olduğu yasal, mali ve kurumsal değişiklikleri değerlendirebilmek. | 2 |
| 9) | AB genişleme sürecinin ana aktör ve kurumlarını tanıyarak bu sürecin dinamiklerini kavrayabilmek ve Türkiye’nin üyelik sürecini daha önceki genişleme örnekleri ile karşılaştırabilmek. | 2 |
| 10) | AB’nin Türkiye’nin siyasi, toplumsal ve ekonomik sistemlerine etkisini analiz edebilmek. | 2 |
| 11) | AB 'proje kültürü' ile tanışmak ve AB formatında proje hazırlamaya yönelik becerileri kazanmak. | 2 |
| 12) | Uluslararası İlişkiler kuramlarını ve kavramlarını AB'nin tarihi gelişimi ile ilişkilendirebilme. | 3 |